统计与预测论文第1篇

统计预测是现代医院管理活动中的一种科学手段和方法，在医院管理和决策中发挥着越来越重要的作用。通过对儿科住院人次预测系统的设计与研究，为儿科住院人次实时预测具有积极意义。本文从对基于时间序列儿科住院人次预测系统的系统功能模块设计、数据库设计、时间序列趋势外推预测算法进行讨论，以提供参考。

一、系统功能模块设计

系统功能模块设计中包括调查问卷系统、儿科住院人次预测分析系统、拟合检验系统、系统服务等功能。其中调查问卷系统主要是为预测住院人次提供客观的环境因素分析，为临床调查问卷研究提供快捷方便的工具，同时也是患者提供建议和看法的一个有利渠道。儿科住院人次预测分析系统主要是住院人次季节变动预测分析、住院人次其他算法预测分析、预测数据拟合检验、运用数据挖掘相关知识进行数据预测分析。

二、时间序列儿科住院人次预测系统

良好的数据库设计对于一个高性能的应用程序非常重要，因此，在开始编写一个应用程序的代码之前，请花大量的时间来设计你的数据库，规范数据库的关系和性能，做好数据库的需求分析与论证，遵循数据库的设计原则，完善数据库的设计。下图为本系统数据库设计的ER图。

三、时间序列趋势外推算法

数据来源：我院儿科出院人数

抽象定义：已知现在时刻为t，试求在t+1时刻序列儿科出院人数的预测值。

符号说明：

预测期t记为predictivePeriod；

误差值记为error；

时段长N记为timeInterval

计数器记为i；

儿科出院人数预测值y’（t+1）记为predictor（predictivePeriod+1）；

儿科出院人数y（t）的序列值记为sequentialValue（predictivePeriod）；计算方法：平均数预测法，即将样本系列值y（1）、y（2）……y（t）作算术平均，以此作为序列预测值y’（t+1），即

y’（t+1）=（y（t）+y（t-1）+……+y（t-N+1））/N

将符合代人以上公式即：儿科出院人数系列值sequentialValue（1）， sequentialValue（2）……sequentialValue（predictivePeriod），求算术平均，以此作为序列预测值predictor（predictivePeriod+1），即：

predictor（predictivePeriod+1）=（sequentialValue（predictivePeriod）+ sequentialValue（predictivePeriod-1）+……+ sequentialValue（predictivePeriod- timeInterval

+1））/ timeInterval

算法描述：

1.确定时段长N（timeInterval）及预测期t（predictivePeriod）

2.获取出院人数y（t）、y（t-1）、y（t-N+1）并求和，即是sequentialValue（predictivePeriod）+sequentialValue（predictivePeriod-1）+sequentialValue（predictivePeriod-timeInterval+1）

3.求预测值predictor（predictivePeriod+1）

4.predictor（predictivePeriod+1）= （sequentialValue（predictivePeriod）+sequentialValue（predictivePeriod-1）+sequentialValue（predictivePeriod-timeInterval+1））/ timeInterval

小 结

综上所述，预测是决策的前提，任何决策都离不开科学的预测，本文对基于时间序列儿科住院人次预测系统设计与研究，对精准预测提供保障，也为医院科学管理与决策提供理论依据，为医院卫生资源的合理调配和利用提供决策依据。

参考文献：

[1]西尔伯沙茨.数据库系统概念（原书第5版）[M].机械工业出版社.

[2]曾素琴.趋势季节模型在住院人数预测中的应用[J].中国医院统计，2014，21（2）：132-134.

统计与预测论文第2篇

论文摘要：本文提出了两种证券投资预测方法—马氏链法和e-bayes法。首先对数据进行分组，然后在此基础上应用马氏链法和e-bayes法的理论建立预测模型，最后结合实际问题进行了 计算 ，两种方法的预测结果是一致的。

引言

在 文献 中，介绍了1990年诺贝尔 经济 学奖的三位得主harry markowitz，william sharpe和merton miller在证券投资方面的主要工作，很有 参考 价值。markowitz获奖是因为他提出了投资组合选择(portfilio selection)理论。markowitz把投资组合的价格视为随机变量，用它的均值为衡量收益，用它的方差来衡量风险(因此markowitz的理论又称为均值——方差分析理论)，该理论后来被誉为“华尔街的第一次革命”。

证券的价格忽高忽低似乎难以捉摸，但在 政治 经济形势比较平稳的条件下，它的变化是由其基本因素的变化所决定的。由于证券投资的高效率，这些因素的变化会立即从证券的价格上反映出来。因素分析法是根据在一定时期、一定环境下，用影响证券价格变化的因素来预测证券价格走势的一种方法。技术分析法，是应用 历史 价格各种图象和曲线来预测证券价格。近些年来，技术分析法 发展 很快，特别是随着计算机的普及，各种分析方法法越来越多。总的来看，技术分析法可以分为图象分析法和统计分析法。图象分析法是以图、表为分析工具；统计分析法是对价格、交易量等市场指标进行统计处理。本文提出了两种证券投资预测方法——马氏链法和e-bayes法，不仅能预测证券的价格走势，而且还能进一步预测出证券的价格范围。

1、马氏链法

在考虑随机因素影响的动态系统中，常常遇到这种情况：系统在每个时期所处的状态是随机的。从这个时期到下一个时期的状态按照一定的概率进行转移，并且下一个时期的状态只取决于这个时期的状态和转移概率，与以前各时期状态无关。这种情况称为无后效性，或马尔可夫性，通俗地说就是：已知现在，将来与历史无关。具有无后效性的时间、状态均为离散的随机转移过程通常用马氏链(markov chain)模型描述。

马氏链模型在经济、社会、生态、遗传等许多领域中有着广泛的应用。本文我们用马氏链建立预测模型，并对证券投资进行预测，从而为证券投资预测提供一种技术分析方法。

马氏链法的最简单类型是预测下一期最可能出现的状态，可按以下几个步骤进行：

(1)划分预测对象所出现的状态——把数据进行分组。

从预测的目的出发，并考虑决策者的需要来划分所出现的状态，同时把数据进行分组。

(2)计算初始概率

论文关键词：运筹学；证券投资；预测模型；马氏链法；e-bayes法

论文摘要：本文提出了两种证券投资预测方法—马氏链法和e-bayes法。首先对数据进行分组，然后在此基础上应用马氏链法和e-bayes法的理论建立预测模型，最后结合实际问题进行了计算，两种方法的预测结果是一致的。

引言

在文献中，介绍了1990年诺贝尔经济学奖的三位得主harry markowitz，william sharpe和merton miller在证券投资方面的主要工作，很有参考价值。markowitz获奖是因为他提出了投资组合选择(portfilio selection)理论。markowitz把投资组合的价格视为随机变量，用它的均值为衡量收益，用它的方差来衡量风险(因此markowitz的理论又称为均值——方差分析理论)，该理论后来被誉为“华尔街的第一次革命”。

证券的价格忽高忽低似乎难以捉摸，但在政治经济形势比较平稳的条件下，它的变化是由其基本因素的变化所决定的。由于证券投资的高效率，这些因素的变化会立即从证券的价格上反映出来。因素分析法是根据在一定时期、一定环境下，用影响证券价格变化的因素来预测证券价格走势的一种方法。技术分析法，是应用历史价格各种图象和曲线来预测证券价格。近些年来，技术分析法发展很快，特别是随着计算机的普及，各种分析方法法越来越多。总的来看，技术分析法可以分为图象分析法和统计分析法。图象分析法是以图、表为分析工具；统计分析法是对价格、交易量等市场指标进行统计处理。本文提出了两种证券投资预测方法——马氏链法和e-bayes法，不仅能预测证券的价格走势，而且还能进一步预测出证券的价格范围。

1、马氏链法

在考虑随机因素影响的动态系统中，常常遇到这种情况：系统在每个时期所处的状态是随机的。从这个时期到下一个时期的状态按照一定的概率进行转移，并且下一个时期的状态只取决于这个时期的状态和转移概率，与以前各时期状态无关。这种情况称为无后效性，或马尔可夫性，通俗地说就是：已知现在，将来与 历史 无关。具有无后效性的时间、状态均为离散的随机转移过程通常用马氏链(markov chain)模型描述。

马氏链模型在 经济 、社会、生态、遗传等许多领域中有着广泛的应用。本文我们用马氏链建立预测模型，并对证券投资进行预测，从而为证券投资预测提供一种技术分析方法。

马氏链法的最简单类型是预测下一期最可能出现的状态，可按以下几个步骤进行：

(1)划分预测对象所出现的状态——把数据进行分组。

统计与预测论文第3篇

关键词：动态模型　时间序列　灰色预测　拟合

中图分类号：P426

文献标识码：A

文章编号：1007-3973(2011)010-129-02

1、1949年至2010年北京市年降雨量统计

根据1949年―2010年北京市统计年鉴及市政统计资料可查得近年来北京市建国以来各年年降雨量的有关信息。

2、动态数据分析模型

天气与地理现象总是随着时间过程而变化，相应地，我们随时间过程采集到的数据则具有动态性。动态数据被广泛用于描述环境、社会、经济等实际的问题之中，通过对其分析可以揭示它们内在的发展变化的规律，因此，可以将动态数据分析应用到降雨量的分析与预测上，我们可称之为动态数据的分析。

需要说明的是，在天气动力学研究领域中，数据通常与观测点的空间位置有关，所得到的数据随时间变化的同时，也随空间变化。动态数据建模，强调的是这些单个的位置上属性数据随时间变化的规律，而没有考虑数据的空间关系。如果同时考虑了数据的时间和空间关系，所建立的模型则为时空耦合模型。我们这里是为了研究的方便，选定北京市从建国以来各年的降雨量为研究对象，即不考虑空间的影响，只研究降雨量随时间的变化规律。

按照时间的取值，动态数据分为离散数据和连续数据两类。当时间取整数值时，数据序列是离散的，当时间在某一实数集合上取值时，数据序列是连续的。一般地，对于观察得到的记录来说，数据序列是离散的。对于使用仪器记录得到的数据来说，数据序列是相对连续的，针对降雨量统计的实际情况，我们将其视为离散的数据变化问题。而后用一条连续的直线或曲线与实际的离散数据进行拟合，化离散为连续问题，并对未来的降雨量情况进行预测。

3、灰色系统及参数拟合

灰色系统方法将属性指标随时间的关系看作是灰箱，通过对数据的变换映射来建立模型，它是可以用来分析指标的预测模型。灰色系统理论认为：系统的行为现象尽管是朦胧的，数据是复杂的，但它毕竟是有序的，是有整体功能的。在建立灰色预测模型之前，需要先对各年降雨量时间序列进行数据处理，将杂乱无章的原始数据列累加，变成有规律的时间序列数据，然后进行参数拟合与动态预测。

由文献[1]查统计年鉴，得到北京市各年降雨量数据，用MATLAB对离散数据进行参数拟合，可将实际数据绘制成图并对北京市后十年降雨量情况进行预测，得到图1(其中2011-2020年为预测数据)。

从图l中我们可以看出，用灰色预测的方法得出：北京市年降雨量呈逐年减少的趋势，其预测函数大致为一次减函数，由灰色系统的方法预计到2020年的年降雨量将达到0.42米。

4、统计回归模型及参数拟合

我们可以同时用统计学方法建立年降雨量随时间变化的统计回归模型。此时，各年降雨量的时间序列被看作是确定性过程，而非受不确定性因素影响的随机性过程，动态数据可以看作是确定性函数的综合影响结果。最后的结果是用一条光滑的曲线与实际的离散数据进行拟合，化离散为连续问题，并对未来的降雨量进行预测。

由文献[1]查统计年鉴，得到北京市各年降雨量数据，用MATLAB对离散数据进行多项式拟合，可将实际数据绘制成图并对北京市后十年降雨量情况进行预测，得到图2(其中2011-2020年为预测数据)。

从图2中我们可以看出，用统计回归多项式拟合的方法得出结论：北京市年降雨量呈逐年减少的趋势，其预测函数为三次函数。由统计回归模型的方法预计到2020年的年降雨量将达到0.29米。

5、分析与比较

通过文献[2]和文献[3]的参数拟合与动态预测，我们可以得到一致性的结论：北京市年降雨量大致呈逐年降低的趋势。至于对2020年的北京市年降雨量的预测问题上，用灰色预测的方法得出的结果为0.42米；用统计回归模型的方法得出的结果为0.29米。

对于以上两种模型所得到的预测结果的误差，我们通过对预测数据与原始数据的分析检验及方差的大小比较，可知在对北京市的年降雨量统计预测研究方面，统计回归模型的结果相对要更为准确。

6、北京市未来十年降雨量的预测

经过文献[4]的分析与比较，我们可以确定用统计回归模型的多项式拟合方法，在建国以来北京市各年降雨量数据的统计与研究及对未来十年降雨量预测的问题上，优于灰色预测的方法。由此结论，我们可对北京市未来十年降雨量进行如图2所示的较为准确的预测。

参考文献：

[1]1949-2010年北京市统计年鉴[G]．

[2]米尔斯切特，刘来福．数学建模方法与分析[M]．机械工业出

版社,2005．

[3]梅长林，范金城．数据分析方法[M]．高等教育出版社,2006．

[4]党耀国，刘思峰,王正新．灰色预测与决策模型研究[M]．科学

出版社,2009．

统计与预测论文第4篇

[关键词]负荷预测 预测模型 灰色理论

一、概述

电力系统负荷预测是实现电力系统安全、经济运行的基础，对一个电力系统而言，提高电网运行的安全性和经济性，改善电能质量，都依赖于准确的负荷预测。因此，负荷预测的关键是提高准确度。此外，从发展来看，负荷预测也是我国实现电力市场的必备条件，具有重要的理论意义和实用价值。

负荷预测是从已知的用电需求出发，考虑政治、经济、气候等相关因素，对未来的用电需求做出的预测。负荷预测包括两方面的含义：对未来需求量（功率）的预测和未来用电量（能量）的预测。电力需求量的预测决定发电、输电、配电系统新增容量的大小；电能预测决定发电设备的类型（如调峰机组、基荷机组等）。

根据不同的预测目的，负荷预测可分为超短期、短期和中长期的预报。一般说来，一小时以内的负荷预测为超短期负荷预测，用于安全监视、预防性控制和紧急状态处理；日负荷和周负荷预测为短期负荷预测，分别用于安排日调度计划和周调度计划；月至年的负荷预测为中期负荷预测，主要确定电网的运行方式和设备大修计划等。

二、负荷预测模型的基本要求

电力负荷预测是依据负荷历史资料及相关影响因素建立一个模型，然后对该模型进行评价后用来预报，无论采用什么计算方法，都离不开建立在历史数据及相关因素上的预测模型，模型精度决定了预测的准确性。

（一）负荷预测模型应能满足下述要求

1．提供包含有长期预测、中期预测、短期预测、超短期预测等各种方式的预报手段，而且预测的时间间隔可由用户自定义。

2．预测模型应能反映负荷随季节、星期及一天内24小时等周期性波动的特点，又能反映负荷自然增长的内在规律，同时能反映负荷受气温、日照等气象条件的影响。

3．对于包括节假日在内的广义特殊事件的负荷预测应建立专用预测模型，且能提前预测。

4．提供各种类型的预测方法与模型，并且能对历史数据的合理性进行检查、修正，具备误差分析和自动不良数据检测、辨识功能。

5．预测系统应当既可进行整个区域或电网系统的负荷预测，又能进行分地区电网系统的负荷预测；既可以进行离线负荷预测，也可以进行实时在线负荷预测；

（二）提高负荷预测准确性的难度

1．气象因素一直是影响负荷的主要因素，特别是对短期负荷预测的影响尤为重要，不同的气象因素影响程度又随用户类别而异，作为可估计的随机事件，气象预报的不准确会造成预测结果的双重误差。

2．特殊事件的不确定性将造成负荷预测的较大误差，当今特殊事件的出现趋于频繁，给预测带来了难度。

3．反映负荷周期性、趋势性及与影响因素之间关系的样本数目难以确定。

4．随机负荷部分并非平稳的随机序列。

5．网省级大电网负荷变化有较强的统计规律性，预测结果较准确。而地区级电网的统计规律不甚明显，不能稳定地指导负荷预测。

任何一种算法都不能保证在所有情况下精度很高，要想提高负荷预测的精度，我们还需要做大量的工作。

三、提高负荷预测精度的措施

（一）原始数据的预处理

我们都知道，任何负荷预测都是基于原始数据的，因此，原始数据的正确与否决定预测结果的精度。而原始数据往往都是从EMS系统实时采集的，由于动态的数据采集有时会出现通道故障、拥堵等现象，相应的数据采集程序就会中断，造成了原始数据的错误与不真实。所以，在程序设计中，首先应针对原始的各种不真实现象进行预处理，力求将设备造成的随机的影响据之于预测过程之外。

（二）随机因素（冲击负荷）捕捉

大家都知道，在负荷的构成中有许多类似于电炉、轧钢等冲击性的负荷，这种负荷的特点是起停快、持续时间短、随机性强、数值较大，而负荷预测的精度要求在2％以内。因此处理好冲击负荷的影响对于提高精度有很大的影响。所以在原始数据的处理中必须考虑到冲击负荷。我们使用的方法是有效值法，通过对冲击负荷的分析和处理，得到其有效值，然后叠加到平滑后的负荷曲线上，这样的处理结果便可以应用于负荷预测中了。

（三）提高影响因素的预测精度以及影响因素的量化处理

负荷预测不仅仅要使用历史数据，还要考虑各种对负荷有较大影响的因素，如气象因素、政治因素、重大活动等。这些因素都会与历史数据一样作为预测程序的输入值。因此，这些因素的准确度直接会对负荷预测结果造成影响。因此，必须对这一类数据必须进行适当的量化处理：一是依靠经验值，并且调试后不断改进，力求准确，二是由程序识别，通过回归等方法动态赋值。前一种方法比较简单，但很难准确，后一种方法虽然理论上比较成熟，但由于模型不确定，实现起来很困难，具体应用哪一种方法，要视实际情况而定。

（四）比较预测模式，寻求最优方案

对于中国目前的电力结构，在一个网省调下面有许多供电区域，往往是以地域划分的。而实际需要的结果却是一个整体的负荷。因此便产生了单独预测和整体预测两种模式，究竟哪一种模式比较好，则需要从实践中去试验。

从电网的负荷预测实践来看，单独预测后叠加与整体预测各有优缺点。由于各类影响因素的分布区域不同，单独预测时可以通过细化考虑的因素比较真实，以气象因素为例，电网的地区气象条件不同，可以各自考虑，应该说更准确些，但这样做也有缺陷，一方面是一般都采用一种方法进行预测，其误差方向比较一致，这样叠加后产生更大的误差，另一方面各供电区域的预测叠加后并非是我们所需求的用于发电安排的负荷，还要通过换算，考虑到厂用电情况，而厂用电率一般并不是一个精确的数值，如此势必带来误差。若采用整体预测，原始数据便是我们用于安排发电计划的数据，各种因素虽然不能直接使用，但可以通过负荷比例进行等值拟合后作为整体预测的输入量，这样只会有一次误差。从实践中看，后一种方式虽比较模糊，但由于大电网效应，精度较前一种方式高。

当然，具体采用哪一种方式要根据实践的检验而定，前一种模式在理论上比较成熟，但在算法的选择上不能单一。我们都知道，任何一种算法都无法在所有情况下达到较高的精度，这与负荷结构以及负荷特性有直接的关系。

（五）做好负荷日的类型分析

在做负荷预测的时候，对于历史数据的选择很有学问，力求使用与预测日同类型的历史负荷数据。这样不但可以去除好多非同类型日数据的干扰，而且可以提高迭代收敛速度，简单计算。但是，对负荷日进行精确分类是相当困难的，需要大量的经验和比较。目前最简单的分类是休息日和工作日，这样的划分太粗糙，不能满足实际的需要，真正实用化的分类还需要大量的判据。负荷日类型一般可以根据以下几个方面科学分类：负荷特性，一般指负荷曲线轮廓；负荷值大小；气象等有关因素；工作日、休息日、节假日。在这几个方面中最重要的是负荷特性和负荷值，但这个判据比较难于归纳分析，而后两种判据易于判别。因此，实际中主要根据后两种判据进行分类。

（六）利用约束条件进行预测结果修正

负荷预测应包括电力预测和电量预测，我们常使用的是电力预测，因为这也是需要的最终结果。但电量预测也是相当有用的，它不会像电力预测的随机性那么大，可以作为电力预测的修正约束条件。

以最大、最小值配合分配系数法的电力预测为例，这种方法只需要预测出预测日的最大、最小值，用同类型日的历史数据计算出分配系数，即曲线趋势，经分配计算后便可以得到预测日的预测曲线。这种方法比较简单、实用、计算量小，但随机性较大，若最大、最小值由于受历史坏数据或冲击负荷的影响偏差过大，就会使整个曲线抬高或降低，而电量受冲击负荷的影响较小，利用电量预测进行约束，便可以得到较好的修正曲线。

四、灰色理论在负荷预测中的实际应用

（一）灰色理论概念

灰色系统理论是由邓聚龙教授于1982年在国际上首先提出的，长期以来普遍应用于国民经济的工业控制、经济预测、产量预测等硬科学领域和软科学领域，成为这些领域预测、决策、分析、控制的有利工具。

灰色系统理论认为客观世界是物质的世界，也是信息的世界。根据对客观系统所了解的信息量的多少，灰色系统理论把客观系统分为：信息完全已知的系统白色系统、信息完全未知的系统黑色系统，以及信息部分已知、部分未知的系统灰色系统。对灰色系统的研究的主要目的在于对灰色系统建模，也就是根据已知信息建立灰色系统的数学模型，从而预测灰色系统的未知信息。灰色系统理论把任何随机过程都看作在一定时空区域中变化的灰色过程，而随机变量则被看作为灰色量。灰色量所表现的无规律的离散时空数列是潜在的规律性的表现。灰色系统理论首先通过数据灰色生成把原始数据数列处理成适合于灰色建模的有规律的数列。在得到预测值数列以后，同样还要进行数据还原得到实际系统的预测数据，所以可以说灰色过程实质上是对生成数列建模。在处理技术上，灰色过程是通过对原始数据的整理来找数的规律的，而其他的一些处理方法则是按统计规律和先验规律来处理数据的。按统计规律和先验规律处理数据的方法是建立在大样本量的基础上，而且要求数据规律是典型的规律，而对于非典型的规律（如非平稳、非高斯分布、非白噪声），则是难以处理的。而灰色过程却没有这样限制，灰色模型通常只需4个以上的数据就可以建模，而且不必知道原始数据具有的先验特征。

（二）灰色系统预测方法基本原理

灰色系统是指部分信息已知，部分信息未知的系统。灰色系统理论的实质是将无规律的原始数据进行累加生成，得到规律性较强的生成数列后再重新建模。由生成模型得到的数据再通过累加生成的逆运算累减生成得到还原模型，由还原模型作为预测模型。灰色模型是预测工作的基础模型。以灰色系统理论的GM（1，1）模型为基础的预测，叫灰色预测。它可以分为以下7类：

1.数列预测：对某一事物发展变化趋势的预测。2.灾变预测：即灾变出现时间的预测，灾变有多种，如洪水、干旱、涝等灾害。3.季节灾变预测：指对灾害出现在一年内的某个特定时区的预测。4.拓朴预测：也叫波形预测、整体预测，是用GM（1，1）模型来预测未来发展变化的整个波形。5.系统预测：指对系统的综合研究所进行的综合预测。6.包络GM（1，1）灰色区间预测：参考数列分布趋势构造一个上、下包络线为边界的灰色预测带，建立上、下2个包络模型。7.激励阻尼预测：将激励、阻尼因数以量化形式反映在GM（1，1）模型中的预测，叫激励阻尼预测。

(三)《基于灰色理论的电力负荷预测系统》

《基于灰色理论的电力负荷预测系统》目前以汉化Visual basic 6.0开发图形显示部分，以汉化的ACCESS2000数据库支持数据管理部分。程序代码在Win98以上操作系统均通过调试，运行环境为：中文 Window98

以上操作系统。

《基于灰色理论的电力负荷预测系统》是一个以中长期负荷预测为目标的预测系统，具备5年之内年度预测的基本功能。该软件设计思路如下：采用灰色理论为设计的基本理论，采用原始数据的一次累加生成序列（1-AGO）和GM（1，1）模型为建模基础！在实际设计中通过对命令按钮的click事件触发原始数据，按照指定的模型进行计算。在最后预测的显示过程中，通过建立的控件数组text10（0-4）与最终计算结果相匹配，显示在文本框中。其主要特点为：

1.强大的数据库功能:本系统采用DATA控件与ACCESS2000关系型数据库相连。关系型数据库是目前最流行的数据库，可以采用现代数学理论和方法对数据进行处理，它提供了结构化的查询语言SQL.各项操作都是通过记录集完成的。记录集是一个对象，一个记录集是数据库中的一组记录，可以是整个数据表或表的一部分。在原始数据的输入方面，操作人员可直接通过表输入并修改数据，也可在系统上直接操作。

2.欲改进及增加的功能：①将预测结果数据与数据库相结合，能够将预测数据保存到数据库中。②进一步改进预测精度，如从在原始数据上采用更精确的插值算法；在预测模型上增加一个系数，将天气及节假日影响加入到最终预测结果中。

五、结束语

负荷预测是电力系统调度、实时控制、运行计划和发展规划的前提，是一个电网调度部门和规划部门所必须具有的基本信息。提高负荷预测技术水平，有利于计划用电管理，有利于合理安排电网运行方式和机组检修计划，有利于节煤、节油和降低发电成本，有利于制定合理的电源建设规划，有利于提高电力系统的经济效益和社会效益。因此，负荷预测已成为实现电力系统管理现代化的重要内容。

几十年来各种可能的算法均在负荷预测课题上试验过了，目前实用的算法主要有：线性外推法、线性回归法、人工神经网络法、灰色系统法和专家系统方法等。各种算法均有一定的适用场合，可以说没有一个算法适用于各种负荷预测模型而精度比其它算法都高。

灰色系统理论把一般系统论、信息论、控制论的观点和方法延伸到社会、经济、生态等抽象系统，并结合数学方法，发展成为一套解决信息不完备系统即灰色系统的理论和方法。它对未来的研究具有重要意义。由电力系统实际情况可知：用电量及负荷增长受经济发展、产业结构、居民收入水平、气候等诸多因素的影响，其中一些因素是确定的，而一些因素则不确定，故可把它看作一个灰色系统。

但目前GM（1，1）模型在实际应用中还存在局限性，比较适用于具有较强指数规律的负荷序列，只能描述单调的变化过程，而对于特殊的负荷增长方式，例如当负荷按照“S”型曲线进行增长或增长处于饱和阶段时，若采用该灰色模型则预测误差较大，预测精度不满足实际要求。

灰色预测法作为电力系统需电量预测方法之一，已成为重要的研究手段，但尚有许多方面有待于进一步研究，如寻求更有效的、更符合电力系统需电量发展规律的原始数据处理方法。

总之负荷预测的结果是电力系统运行的基础数据，其精度直接影响运行的安全性和经济性。因此，提高其精度也是每个负荷预测人员追求的最高目标。

参考文献

[1]刘晨晖，电力系统负荷预报理论与方法。哈尔滨：哈尔滨工业大学出版社，1987.

统计与预测论文第5篇

关键词：改进灰色模型；预测精度；物流成本

中图分类号：F25文献标识码：Adoi：10.19311/ki.16723198.2016.19.014

现代物流作为近年来新兴的产业，受到了全社会的广泛关注。日益壮大的物流产业，为我国的经济发展注入了新的活力。现在物流中最重要的部分就是控制物流成本。然而如何控制物流成本则是一项极具研究性的问题。因为这不仅可以从宏观的角度认识我国物流发展水平，还能在一定程度上反映物流产业的现状，并能给企业在发展方向和相关政策上一定的指导。物流成本（Logistics Cost）是指产品成型、运输等一系列过程中，如流通加工、包装、运输、装卸、储存等各个环节中，所需支付的人力、物力和财力的总和。物流成本包括流通加工、包装、运输、装卸与搬运、仓储成本、物流管理等费用。而现代物流成本包括的内容更为丰富，串联了经营活动中每一项工作，包括从原材料供应开始一直到将商品送达到消费者手中所发生的全部物流费用。物流成本预测能为物流企业未来期间物流成本的变化趋势进行宏观掌控，为物流企业进行物流成本决策通过必要的科学依据，以避免决策中的主观性和盲目性。

以往学者对于物流成本预测方法主要有时间序列预测法、回归分析法和灰色模型等。其中，灰色系统理论是1982年我国著名学者邓聚龙教提出的，这种方法受到研究者的欢迎，因为这种方法不需要采集大量样本数据，同时也不需要计算统计特征量。因此，已经被应用到了很多方面，尤其是在存在不确定性和缺乏统计数据的领域得到了广泛的运用。陈森等应用灰色系统理论对我国的物流需求进行整体预测，同时验证了灰色模型的精度的准确性；Dang等提出以x（n）为初始条件的GM（1，1）模型；Hao等将灰色系统模型运用到喀斯特流域水文研究中，得到的分析结果具有较高精度。

灰色GM（1，1）预测模型是灰色系统理论的核心内容之一，但是基本GM（1，1）模型依然存在很多缺陷。原始数据列光滑性强弱，在一定程度上决定了传统的灰色预测模型是否具有预测精度高、模型可检验、参数估计方法简单等优点。经过长时间对GM（1，1）模型性质的研究、对模型参数估计和背景值的改进、新模型的相应发展等，大大提高了经典GM模型精度，拓宽了应用领域。

徐进军等基于灰色理论模型，梳理了如何正确建立含诸多因素灰色模型的改进方法；刘亮等对原始数列取自然对数以提高其光滑度，增加灰色模型的预测精度；Carmona等利用改进后的GM模型，对美国航空运输业的客流量长期变化趋势进行了预测，其结果较为理想。

本文在已研究成果基础上，对灰色预测模型进行改进，以达到提高预测精度的目的。将改进的灰色预测模型应用于物流成本预测中，与简均法、移动平均法和指数平滑法等方法预测精度进行比较。实践证明该预测模型可以有效提高预测精度，达到期望效果。

1传统灰色模型

灰色系统理论主要通过GM（m，n）模型进行预测，该模型是灰色系统理论的量化体现。首先，灰色模型是在原始数列是光滑离散函数基础上进行建模，而在实际中原始数列经常存在阶跃（突变）的现象，或者可能出现失效。出现此状况的原因是定解X（1）（1）=X（1）=X（0）条件决定的。因此，为得到比较满意的仿真效果，尤其是阶跃（突变）点，有必要改进一般灰色模型。现分析如下。

并用残差检验对预测误差进行检验。同时，为可以与其它预测方法的预测结果进行比较，检测预测的结果的理想性，在此基础上加入标准差的检验。

（6）通过比较，最终选取能够使预测误差最小的参数δ和m，建立最佳预测公式。

3实例计算与分析

由于物流成本方面的统计数据难以获取，本文将社会物流总成本由全国物流总费用来代替。选取样本数据为历年2009年～2013年全国物流总费用，如表1所示。

均方误差（%）4.2518.715.3628.592.27本文采用简均法、移动平均法和指数平滑法等预测方法进行物流成本的预测。通过计算机编程，对上述预测方法进行相应计算，得到模型计算值，社会物流总费用预测模型结果分析见表1。

原始序列与预测序列对比图比较表1中预测模型均方的均方误差，可以看出灰色模型经修正得到的结果远比其他模型计算得到的均方差要小，原始序列和预测序列所示，可从社会物流成本改进后模型计算值与实际值看出。由于选择修正后的灰色模型的误差明显小于其他的预测模型，因此，选择其预测社会物流成本效果更为理想。原因是移动平均法适用于平稳的变化序列，指数平滑法更适合平稳的线性序列；而灰色模型数据适合光滑序列。

由以上的计算与分析可得到：当t=2，δ=0，m=1时，改进后灰色预测模型的平均相对误差最小（e=486%）；比其它预测方法相对误差小2.27%。因此经改进后灰色预测模型较好地反映出社会物流成本的变化趋势。其预测公式为

通过改善后的模型对社会物流成本的预测更加准确，接近实际值，为更好物流成本投入奠定了坚实的基础。

4结论

改进的灰色模型对于社会物流成本预测比较实用。本文对物流成本进行科学预测，有利于物流企业做出最合理的计划决策，这不仅节约了企业的经营成本，更节约了社会的资源。同时，从国家的宏观层面来看，可以使国家宏观调控物流产业的合理运行。最终引导现代物流健康快速的发展。改进的灰色预测模型适用于原始数据列近似单调的各种领域，将获得较高预测精度，预测结果具有决策和实用价值。

参考文献

[1]邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社，1992.

[2]陈森.基于灰色系统理论的物流需求预测模型[J].决策参考，2006，（2）：5960.

[3]Dang Yaoguo， Liu Sifeng.The GM models that be taken as initial value[J].Kybernetes： The International Journal of Systems & Cybernetics， 2004，33（2）：247254.

[4]HaoYonghong， Zhao Jiaojuan.， Li Huamin， et al.Karst hydrological processes and grey system model[J].Journal of the American Water Resources Association， 2012，48（4）：656666.

[5]刘亮，杨章伟，刘年锋.改进灰色预测模型的研究[J].安徽：安徽工业大学，2011，30（11）：3334.

统计与预测论文第6篇

关键词：灰色系统理论；研究现状；预测

一、灰色系统理论简介

我们都知道，如果有这样的一种系统，可以准确地获取我们要的一切信息，那么就定性为白色的，相反，如果在一个系统中我们找不到任何可参考的信息，那么就定性为黑色的，灰色系统就是在这两者之间的一种，即既有已知信息，也有无法获取的信息。例如人口、经济、社会等就是所谓的灰色系统。灰色预测理论即对系统内的不确定变量未来的趋势进行差异性的比较，与此同时，对能够得到的原始数据进行计算建模，以此来找到系统未来发展的规则，使它能够转变成有着很强规律的一组数列，并且建立正确的常微分方程的数学模型，从而对事物进行预测，得到它即将发展的趋势。具体如何构建这样一种模型，我们隔着相同的时间来观测，得到一组能够显现出被调查的变量特性的这样一组数列来建模。简而言之，第一步假设如此这般的量和它的数据之间拥有一些这样的形式之对应的关系，采取数学方式来表示此种形式之关系，即为数学上的统计回归模型。然而，灰色系统预测认为，变量的数据和它的其他变量与它们的数列之间，甚至是一个变量和其他多组的数据之间，并非是一种准确的数学回归关联，相反，它们总带有它的内部关联，但是这样的一种联系并不能准确无误地反映出来，只能表现出这样一种关联。因此，这样的关联，实质上是很多个数据值之间产生相互影响而发生的结果。灰色预测的数据理论基础，简而言之，集成了中等数学中的数列理论、高等数学中的微分方程、线性代数、数理统计等理论。总的来说，灰色系统预测模型就是通过不完整的、部分未知部分确定的信息，建立灰色系统预测模型，对变量的发展规律进行中短期的准确预测。

二、灰色系统理论的决策方法和研究现状

灰色系统理论是一门用处极大的前景广阔的学科，在我们实际生活中应用十分广泛，在生活中的各个领域都有较大的作用，由此也显示出这门学科具有较强的实用性。简而言之，灰色预测理论就是对系统内的不确定变量未来的趋势进行差异性的比较，与此同时，对能够得到的原始数据进行计算建模，以此来寻找系统未来发展的规则，使它能够转变成有着很强规律性的一组数列，并且建立正确的常微分方程的数学模型，从而对事物进行预测，找到它即将发展的趋势。

简而言之，第一步假设如此这般的量和它的数据之间拥有一些这样的形式关系，采取数学方式来表示此种形式之关系，即为数学统计的回归模型。然而，灰色系统预测以为，变量和它的数据以及其他变量与它们的数列之间，甚至是一个变量和其他多组的数据之间，并非一定表现一种准确的数学回归关联，相反，它们总带有它的内部关联。但是这样的一种联系并不能准确无误地反映出来，因此，这样所变现之关联，实质是很多个数据值之间产生相互影响而产生的结果。

三、灰色系统理论在公路里程预测方面的设想

近年来，公路里程的准确预测也随着我国交通事业的快速发展起到了至关重要的作用。使用灰色预测理论做出精确的预测具有很现实的意义。公路通车总里程发展的预测对于区域经济资源分配，投资结构和发展模式的发展发挥着至关重要的作用。邓巨龙教授所提出来的灰色系统理论模型预测方法，有效地避开了复杂的关系，他所关注的是灰色系统中现有的有限信息并找出系统存在的内部规则，来达到准确的灰色系统目的。相对于其他变量，公路总里程应该说是相对较复杂的，它受到很多因素的影响，也为如何获得预测模型的相对精确的参数制造了困难。灰色的预测理论其实应该是一门穿插在其他学科中的理论，无论在天文、军事、文化、经济等许多领域都有广泛的应用，因为它是在只需要“部分信息已知，部分信息未知”的极少样本情况之下对变量进行的预测，并且能够获得可行度极高的预测结果，通过对少量的已经获得的信息进行计算提炼，得到精确的信息。

参考文献：

[1]刘思峰，党耀国，方志耕.灰色系统理论及其应用（第三版）[M].北京：科学出版社，2004.

[2]陈洁，许长新.灰色预测模型的改进[J].辽宁范大学学报（自然科学版），2005，28（3）：262-264.

[3]李翠凤，戴文战.基于函数变换的灰色建模方法[J].系统工程，2005，23（3）：110-114.

统计与预测论文第7篇

关键词:滑动平均 , 灰色理论 , 机动车数量 , 预测

中图分类号：C35文献标识码： A

An Application of Grey Method Model in Prediction of Motor Vehicle Number

Abstract:According to Handan motor vehicle number published by handan Bureau of Statistics . By using moving average processing and Grey Method Model to forecast the number of vehicles in the coming years. The results show that Grey Method Model is reasonable, and has high precision in the direction of the motor vehicle prediction .

Keywords: moving average , Grey Method Model , the number of motor vehicles , forecast

1 引言

灰色系统理论是由华中理工大学邓聚龙教授于1982年提出并加以发展的。二十几年来，引起了不少国内外学者的关注，得到了长足的发展。目前，在我国已经成为社会、经济、科学技术在等诸多领域进行预测、决策、评估、规划控制、系统分析与建模的重要方法之一。特别是它对时间序列短、统计数据少、信息不完全系统的分析与建模，具有独特的功效，因此得到了广泛的应用.在这里本人将简要地介绍灰色建模与预测的方法以及灰色理论原始数据的简单处理方法。

本文将邯郸市历年机动车保有量作为原始数据,运用GM(1,1)模型进行分析预测,以得到未来几年机动车的保有量,为城市道路以及附属设施的建设提供相关的依据。

2原始数据的优化处理

本文采用多点滑动平均的优化方法：

设有N个原始数据，对原始数据采用三点滑动平均：

首个原始数据

末个原始数据

3 GM(1,1)模型的建立

灰色系统预测模型是以微分方程为表述形式，基本原理是摒弃直接在数据中寻找规律的方法，将无规律的原始数据通过一定的处理方式，比如一次累加，使之成为有规律的时间序列，建立预测模型。

建模过程如下：

原始数据

一次累加得到

其中

构造累加矩阵B与常数项向量y

求发展灰数a与内生控制灰数b

模型预测响应式

数据还原

残差=-

相对残差q()=

原数据均值D=，原数据方差=

残差均值=，残差的方差=

后验差比值C=

小概率误差P=

等级对照表

预测精度等级 P C

好

合格

勉强

不合格

4 GM(1,1)模型的应用

根据邯郸统计年鉴显示的邯郸机动车辆数目，做以下处理：

年份 机动车数量（辆） 滑动平均处理后数据（辆）

2007 984465 1008544

2008 1080782 1083045

2009 1186151 1161025

2010 1191018 1213721

2011 1286699 1298999

2012 1431581 1395360

将滑动平均处理后的数据作为原始数据代入GM(1，1)模型，得到以下预测结果：

[1]a=-0.06224951，b=985658.82808583

[2]残差：(1) 0 (2) 1284.57556566 (3) 9785.43662172 (4) -11460.19756548 (5) -4872.94344081 (6) 7743.17379478

[3]相对残差：(1) 0.00000000 (2) 0.00118608 (3) 0.00842827 (4) -0.00944220 (5) -0.00375131 (6) 0.00554923

[4]原数据均值：1193035.65917069

[5]原数据方差：128938.64918754

[6]残差的均值：496.008995174

[7]残差的方差：8135.05033718

[8]后验差比值：0.06309241

[9]小概率误差：1.00000000

[10]模型计算值：

年份 2007 2008 2009 2010 2011 2012

数量（辆） 1008544.00000000 1081760.42443434 1151239.56337828 1225181.19756548 1303871.94344081 1387616.82620522

[11] 预测的结果：

年份 2013 2014 2015 2016 2017 2018 2019

数量 1476740.46217043 1571588.31705376 1672528.04509043 1779950.91415429 1894273.32241080 2015938.41238153 2145417.78867644

预测精度等级：

因为小概率误差P=1，后验差比值C=0.06309241

所以得到其预测精度为好。

5 结语

5.1灰色理论GM（1,1）用于机动车数量的预测，符合灰色特性，实用性好，预测结果与实际情况比较吻合，是一种简单有效的预测方法。

5.2预测2013、2014年份邯郸市机动车数量将达到150万辆，带来的交通量会对市区的道路是一个挑战，交通部门应统筹规划，以防城市道路拥挤，导致人们出行的不便和邯郸市经济的发展。庞大的机动车数量会对市区的空气质量是一个极大的问题，就目前来看，频繁的雾霾天气对人们的生产生活产生了极大的影响，相关部门应及时着手，研究治理空气的方案对策。

参考文献

[1]樊敏 ，顾兆林 .灰色理论模型在大气环境质量预测中的应用研究[J] .上海环境工程 ，2009，28（4）：174-177

[2]黄娜 . 基于BP神经网络改进的GM(1，N)模型在经济预测中的应用[J] .南阳理工学院报，1996.1（6） ：76-79

[3]邯郸统计局.邯郸统计年鉴2012[M]. 中国统计出版社，2013:461

[4]邯郸统计局.邯郸统计年鉴2011[M]. 中国统计出版社，2012:485

[5]邯郸统计局.邯郸统计年鉴2010[M]. 中国统计出版社，2011:495

[6]邯郸统计局.邯郸统计年鉴2009[M]. 中国统计出版社，2010:495

统计与预测论文第8篇

关键词： 灰色理论； 股指预测； 系统； MATLAB

中图分类号：TP311.52 文献标志码：A 文章编号：1006-8228（2013）08-38-02

0 引言

近年来，股票扮演着越来越重要的角色，股价指数是衡量股票发展趋势的一个重要指标，股指预测成为越来越多学者研究的焦点[1-5]。灰色理论具有样本少、训练快、预测精度高等特点[6]，许多研究都使用灰色理论对股指进行预测[4-5]。本文使用MATLAB设计并实现了一个股指预测系统，该系统以上海证券综合指数历史数据[7]为样本，首先用MATLAB软件拟合了上证指数每月月底收盘价随时间的变化曲线，从宏观上把握上证指数的变化范围和规律，接着用灰色模型对上证指数进行中短期预测，实现对未来半年和未来6天的上证指数的预测。仿真实验表明该算法是有效的，预测误差小。

1 灰色预测模型的建立

本系统对股指进行了两种预测：未来半年的月底数据预测和未来6天的每日数据预测。

1.1 对月底数据进行预测

由最小二乘法相关知识及MATLAB软件可得发展系数a和灰作用量b为：a=-0.0053665，b=2373.5081。

将得到的发展系数a和灰作用量b值代入灰色预测模型：

1.2 对每日数据进行预测

选取2013年2月19日到2013年3月20日的上证指数每日收盘价22个数据作为样本数据，对每日的数据进行预测。其中将2013年2月19日到2013年3月12日的16个数据作为训练数据，将2013年3月13日到2013年3月20日的6个数据作为检验数据。其预测过程与1.1节相同，得到的每日数据预测的灰色模型如下。

2 灰色预测模型的检验

2.1 对月底数据的灰色模型进行检验

根据公式⑴的灰色预测模型对上证指数中从2012年10月到2013年3月底的6个数据进行灰色预测检验，得出6个上证指数数据预测及检验结果，如表1所示。

4 结束语

本系统使用当前流行的预测算法灰色模型和神经网络对上证指数进行预测，并使用MATLAB进行实现。通过仿真实验说明算法是有效的，预测误差小。该系统使用灰色模型对上证指数进行中短期预测，可以预测未来半年和未来6天的上证指数。界面简洁，易操作，具有很强的实用性。但本系统仅限在预测时期的国内金融市场现状不发生较大变化情况下的预测，现实中影响股指的因素很多，怎样考虑多方面的因素是我们以后研究的方向。

参考文献：

[1] 孙彬，李铁克，张文学.基于GD-FNN 的金融股指预测模型[J].计算机应用研究，2010.27（9）：3272-3278

[2] 李佳.多因素线性回归模型对股指预测作用的分析[D].上海交通大学上海高级金融学院MBA论文，2011.

[3] 王汝，芳田业钧.消费者信心指数与股票市场收益的实证研究[J].经济与管理，2009.23（12）：22-26

[4] 吴朝阳.基于GM（1，1，μ，ν）模型的股指预测[J].计算机技术与自动化，2010.29（3）：113-116

[5] 郑斯日古楞.灰色神经网络在股票价格预测中的应用[J].计算机仿真，2012.29（2）：382-385

统计与预测论文第9篇

1.1 乌克兰科学学研究出现的历史背景

20世纪60年代，苏联开始大规模的科学学研究。1964年世界科学界为纪念贝尔纳的著作《科学的社会功能》发表25周年，出版了著名的论文集The science of science：society in the technological age。两年后，又出版了这个论文集的新版本，英文版为The science of science，也出版了俄文版本《科学的科学》――Наука о науке。作者多为获得诺贝尔奖的世界著名科学家，如物理学家布莱克特、卡皮查、鲍威尔、化学家辛格、斯诺，还有在科学学领域成就卓著的普莱斯、贝尔纳，他们对科学学形成的初始阶段做了总结。

1966年对于苏联科学学发展是至关重要的一年。这年5月，苏联杂志《哲学研究》发表了苏联科学院莫斯科自然知识和技术史研究所所长米库林斯基（Микулинский С.Р.）和罗德诺（Родной Н.И.）共同撰写的论文《科学也是一种专门研究的对象》（Наука как предмет специального исследования），该论文论述了把科学本身作为研究对象的必要性，引起了学术界的广泛关注。同年6月，在利沃夫召开了“苏联-波兰关于科学发展综合问题研讨会”，热烈讨论了科学学作为一门独立学科的重要意义。从此，“科学学”作为一个专门术语被学界广泛接受并沿用至今。

随着科学学研究的快速发展，在苏联不同地区形成了不同的科学学流派，其中比较有影响力的是以下几个学派：罗斯托夫国立大学自然科学系的卡尔波夫（Карпов М.М.）学派；俄罗斯科学院社会学研究所的兹沃雷金（Зворыкин А.А.）学派；苏联科学院自然科学和技术史研究所的米库林斯基学派；自然科学和技术史研究所列宁格勒分所的库格尔（С.А.Кугель）学派，还有就是乌克兰基辅的多布罗夫（Добров Г.М.）学派。

1.2 多布罗夫及其《普通科学学导论》

随着苏联大规模的科学学研究，在乌克兰形成了以多布罗夫为首的颇具实力的基辅学派。多布罗夫是乌克兰科学院的通讯院士、经济学博士。1966年，多布罗夫出版了专著《普通科学学导论》，这部专著所阐述的内容引起学术界的广泛注意。在这部专著中多布罗夫提出了科学学是综合性的科学，提出了科学学研究对象，如科学的效率问题、科学潜力问题、科学进步的趋势问题、科学预测问题、科技潜力评估问题。书中几乎涵盖了科学学的所有问题：科学的过程、科学的性质、科研人员的年龄结构、科研工作的效率、科技规划、科技预测等。归纳起来，多布罗夫在以下几个方面做了极为深入的研究。

（1）提出科学学研究的新的方法论

在《普通科学学导论》中，多布罗夫侧重科学学研究的方法论，侧重科学学研究的手段与工具问题，即用量化分析方法研究科学学，或者说科学学研究的数学化。他认为，科学组织的系统性决定于科学知识根本的和必然的系统性，这对科学知识的产生、储存和传递来说是必需的。这两个知识系统的组织水平都是一个历史范畴，它们是随着人类科技的进步而形成的。分析科学的系统方法与科学学需要数学化有着密切的联系。

关于科学的数学化，多布罗夫指出，在任何一门学科的语言中都存在按自己的方式发展的两个部分：信息部分和计算部分。计算部分是指比信息部分发展得更快的那些学科，如力学，其数学化过程开始得要早。某些不能满足这种要求的语言（例如，某些语言中的计算部分只有通过某种很长的式子才能求出精确的结果）不可能得到实际运用，因此也就得不到发展。语言中计算部分最常见的表达方式是各种图表，因为图表的鲜明性可以把人的十分灵敏的视觉器官纳入推理过程。

多布罗夫提倡更新研究科学史工具，使用数学和技术手段分析科学技术史信息。他认为，在科学史研究过程中使用技术手段可以显示出增长点，确定新的科学发展方向和评估科技进步潜力，还可以从质量和数量方面评估科研人员的状况。1969年，他与同事完成了专著《研究科学史的技术手段》，1972年又完成了《用技术手段分析科技发展经验信息》。

多布罗夫强调使用量化分析方法研究科学，并将科学看成是一个信息系统，解决科技预测、科学规划和科学管理的一系列问题。

（2）提出了科技预测的思想

多布罗夫倡导用技术手段研究科学史信息并为科技预测服务。1966年，多布罗夫组织了全苏第一次关于使用数学方法和计算技术研究科技进步史讨论会，这个讨论会的论文集以《科技进步趋势分析和预测》为题出版。这个论文集的开篇文章便是多布罗夫的《使用数学方法和计算技术预测科技进步的趋势》。在文中，他系统论述了使用数学方法研究科技史与预测科技进步之间的关系。多布罗夫指出，预测科技发展趋势应该形成一种机制，应该在国家层面上重视科技预测。1969年，国家科技委员会做出决议：苏联乌克兰科学院数学研究所科学学问题研究部将制定“开发预测科技工作方法”，多布罗夫负责该项目的具体工作。

1970年，多布罗夫的专著《普通科学学导论》再版，专著再版后对“科技预测”进行了重点论述。《科学学导论》1966年第一次出版时对科学预测还只是停留在笼统的非具体的描述和解释，把科技预测称为“科学的预测”；再版时对科技预测已经具体论述科学预测的方法，把科技预测称为“预测是一种科学知识”，“科技预测是对科学技术发展结果及途径的科学评估体系，科技预测是‘计划前’工作的一部分，是一种预知未来科技发展结果的手段。多布罗夫论述了“预测、规划、管理”之间的关系是一种渐进的关系。

多布罗夫把科技预测期限分为3种预测期：第1预测期为未来的15～20年。这期间，科学著作的总数要翻一番，科学家的人数翻两番，工程技术人员翻3～4番；第2预测期为未来的40～45年，概念、理论、解释的数量翻一番，世界人口的数量翻一番，科技进步创造者全部更新了一代；第3预测期是一个世纪以后的未来。这种预测带有纯假设的性质。

马利茨基担任中心主任后继续在科技预测方面进行研究，在一定程度上他发展了多布罗夫关于科技预测的思想。马利茨基指出，科技预测具有政治意义。科技预测像社会预测和经济预测一样已经超出了其科学范畴，因为进行科技预测不仅需要众多的专家参与，也需要国家的权力部门的参与，已经具有很强的政治意义。借助于科技预测，科学可以提高自身的地位，并对权力部门产生影响，并向全社会表明科学的重要作用。他指出：20世纪以前，科技预测只是科学家个人行为；20世纪上半叶，科技预测成为一些个别企业受利益驱使而发生的行为，对个别科技领域进行预测；20世纪中叶以后，科技预测已经成为国家行为，已经成为国家制定科技政策的一种手段；20世纪末期，科技预测已经具有全球性。马利茨基强调，任何预测都是建立在关于过去的信息基础（趋势），现在的信息基础（资源、关于规律的思想）和未来的信息基础（需求、可能、预见）。按照时间可以分出15～20年、35～40年、40年以上，15～20年是创新周期的平均期限，这个期限对于进行数量统计极为方便。根据功能，马利茨基对划分出的3种预测做了分析：研究型预测，规划型预测，组织型预测。研究型预测是建立在所了解到的趋势和规律之上的，是具体学科和整体科学发展经济的积累，这种预测可以确定比较紧迫的科技发展方向，即能预测成功的方向。规划型预测为发展有前景的方向指出具体应该做什么，有哪些行动方案，并为此制定出规划。这种预测必须要考虑到科学不是孤立存在的，而是与政治、经济、文化、社会紧密联系的。这种预测是建立在研究型预测基础之上的。组织型预测是预测的重要部分，是与科学管理和国家科技政策紧密联系的。只有在实践中将这3种预测整合才能做出决定，预测才能在科技创新中起到重要作用，才能被认为是有质量的预测。

还有其他学者从不同视角对科技预测进行了阐述和分析，如扎耶茨（Заец Р.В.）撰写了《预测向可持续发展过度的前提条件和问题》；布尔津（Булкин И.А.）撰写了《乌克兰科学院发展趋势预测下改革任务》；谢尔宾（Щербин В.К.）撰写了《综合性的科学学预测是国家科技政策的手段》。

1993年，多布罗夫创办的杂志《科学学与信息学》改名为《科学与科学学》，成为国际性季刊杂志，乌克兰语为Наука та наукознавство，英文为Science and Science of Science。改刊名之后，这个杂志的页数由原来不到100页增长到现在的近200页。杂志《科学与科学学》创刊的宗旨是了解科学和科学学过去、现在的发展状况以及未来发展趋势，揭示科学对文化教育的影响，分析国家科技创新政策。该杂志设以下栏目：经济社会中科学和创新的发展；科技潜力发展问题；科学与教育；科学社会学及方法论；科学家及科学团体；科学史。

现在，中心稳步而有效地进行着理论和实用问题研究，在科学学理论、科学组织和科学史方面进行开发性研究。在新的历史时期，中心制定了新的发展方向，特别是中心对乌克兰科学融入到欧洲及世界科学体系做着大量工作，研究国家在社会转型时期科学体制的转型问题，研究经济的创新发展，进行创新预测以及科技政策的制定，在传统领域特别是在科学史领域做着深入的研究。中心的主要工作从5个部门的名称可以看出：科学技术史部、科学社会学和方法论部、科技潜力系统研究部、经济创新发展问题部、乌克兰科学院发展战略问题部。

中心在科学学发展中奠定了科技力量形成和评估的理论基础，在社会大变革时期提出了科技体制转型的理论和科学作用的学说，为打造国家创新型经济提供理论支持。中心还与国家不同层次的权力机构和企业进行合作，拥有自然科学、技术科学、社会科学等不同领域的专家。现在对于中心来说，最大的问题是人才问题和为后备力量创造科研条件的问题。

2.2 注重与世界科学界交流